AI医生诊断肺炎

作者|Andre Ye 编译|Flin 来源|towardsdatascience 使用CNN识别胸部X光片中的肺炎 人工智能在现实世界中有多种应用,其中非常重要的一项是在医疗行业中的应用。在本文中,我将提供卷积神经网络如何从胸部X射线诊断肺炎的代码和过程。 导入库 让我们加载一些重要的库: fro ...

VAE变分自编码器Keras实现

变分自编码器(variational autoencoder, VAE)是一种生成模型,训练模型分为编码器和解码器两部分。 编码器将输入样本映射为某个低维分布,这个低维分布通常是不同维度之间相互独立的多元高斯分布,因此编码器的输出为这个高斯分布的均值与对数方差(因为方差总是大于0,为了将它映射到$( ...

批标准化—BN

作用:神经网络对0附近的数据更敏感,但是随着网络层数的增加,特征数据会出现偏离0均值的情况,标准化可以使数据符合以0位均值,1为标准差的正太分布,把偏移的特征数据重新拉回0附近。 方法: 标准化:使数据符合0为均值,1为标准差的分布。 批标准差:对一小批数据(batch),做标准化处理。 批标准化后 ...

北斗同步时钟(主时钟控制器)应用于电气化铁道远动系统

北斗同步时钟(主时钟控制器)应用于电气化铁道远动系统 北斗同步时钟(主时钟控制器)应用于电气化铁道远动系统 京准电子科技官微——ahjzsz 随着铁路供电系统自动化技术的飞速发展和计算机技术的广泛应用,系统对时间统一的要求越来越迫切,对时间同步精度要求越来越高。本文结合对西星远动系统注视中的改造,介 ...

基于Bert和通用句子编码的Spark-NLP文本分类

作者|Veysel Kocaman 编译|VK 来源|Towards Data Science 自然语言处理(NLP)是许多数据科学系统中必须理解或推理文本的关键组成部分。常见的用例包括文本分类、问答、释义或总结、情感分析、自然语言BI、语言建模和消歧。 NLP在越来越多的人工智能应用中是越来越重要 ...

7个开源数据科学项目

作者|PRANAV DAR 编译|VK 来源|Analytics Vidhya 概述 开源数据科学项目会给你的简历增加很多价值,帮助你在面试中脱颖而出 这里有7个开源数据科学项目 介绍 我要给你一个建议。我希望在我开始数据科学职业生涯的时候曾有人给过我这个建议。 当我在数据科学中穿越充满障碍的旅程时 ...

阿里天池文本分类竞赛task1: 赛题理解

一.比赛背景 在本次Datawhale的竞赛当中,我们有一个具有20w条训练集,5w条测试集的数据集。整个数据集里面包含了各种分类不同的文本,每一个文本在训练集里都进行了标注label,这个label能够让我们知道训练集里面的句子是属于哪一个类别的数据。本次竞赛的文本分类一共有14个类别的数据,分别 ...

用Spark-NLP建立文本分类模型

作者|GUEST 编译|VK 来源|Analytics Vidhya 概述 在AWS电子病历上建立John Snow实验室的Spark NLP,并使用该库对BBC文章进行简单的文本分类。 介绍 自然语言处理是全球数据科学团队的重要过程之一。随着数据的不断增长,大多数组织已经转移到大数据平台,如apa ...

强化学习中的线性代数知识

作者|Nathan Lambert 编译|VK 来源|Towards Data Science 线性代数的基本原理如何用于深度强化学习?答案是解决了马尔可夫决策过程时的迭代更新。 强化学习(RL)是一系列用于迭代性学习任务的智能方法。由于计算机科学是一个计算领域,这种学习发生在状态向量、动作等以及转 ...

回归分析中R方和调整R方的区别

作者|ANIRUDDHA BHANDARI 编译|VK 来源|Analytics Vidhya 概述 理解R方和调整R方的概念 了解R方和调整R方之间的关键区别 介绍 当我开始我的数据科学之旅时,我探索的第一个算法是线性回归。 在理解了线性回归的概念和算法的工作原理之后,我非常兴奋地使用它并在问题陈 ...

强化学习的基本迭代方法

作者|Nathan Lambert 编译|VK 来源|Towards Data Science 研究价值迭代和策略迭代。 本文着重于对基本的MDP进行理解(在此进行简要回顾),将其应用于基本的强化学习方法。我将重点介绍的方法是"价值迭代"和"策略迭代"。这两种方法是Q值迭代的基础,它直接导致Q-Le ...

基于文本描述的事务聚类

作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 我们生活在数字技术的时代。你上次走进一家没有数字交易的商店是什么时候? 这些数字交易技术已经迅速成为我们日常生活的一个关键部分。 不仅仅是在个人层面,这些数字技术是每个金融机构的核心。通过多种可能的选择(如网上银行、ATM、 ...

学习强化学习之前需要掌握的3种技能

作者|Nathan Lambert 编译|VK 来源|Towards Data Science 1.监督学习 现代强化学习几乎完全集中在深度强化学习上。深度强化学习中的“深”一词意味着在算法的核心方面使用神经网络。神经网络在学习过程中进行一些高维近似。话虽如此,该模型并不需要具有许多层和特征,这是一 ...

如何编写简洁美观的Python代码

作者|ANIRUDDHA BHANDARI 编译|VK 来源|Analytics Vidhya 概述 Python风格教程将使你能够编写整洁漂亮的Python代码 在这个风格教程中学习不同的Python约定和Python编程的其他细微差别 介绍 你有没有遇到过一段写得很糟糕的Python代码?我知道 ...

深度学习趣谈:什么是迁移学习?(附带Tensorflow代码实现)

一.迁移学习的概念 什么是迁移学习呢?迁移学习可以由下面的这张图来表示: 这张图最左边表示了迁移学习也就是把已经训练好的模型和权重直接纳入到新的数据集当中进行训练,但是我们只改变之前模型的分类器(全连接层和softmax/sigmoid),这样就可以节省训练的时间的到一个新训练的模型了! 但是为什么 ...

数据科学统计学:什么是偏度?

作者|ABHISHEK SHARMA 编译|VK 来源|Analytics Vidhya 概述 在数据科学和分析领域,偏度是一个重要的统计学概念 了解什么是偏度,以及为什么它对作为数据科学专业人士的你很重要 介绍 偏度的概念已融入我们的思维方式。当我们看到一个图像时,我们的大脑会直观地分辨出图表中的 ...

循环神经网络(RNN)简易教程

作者|Renu Khandelwal 编译|VK 来源|Medium 我们从以下问题开始 循环神经网络能解决人工神经网络和卷积神经网络存在的问题。 在哪里可以使用RNN? RNN是什么以及它是如何工作的? 挑战RNN的消梯度失和梯度爆炸 LSTM和GRU如何解决这些挑战 假设我们正在写一条信息“Le ...

认识tensorflow - 【老鱼学tensorflow2】

深度学习是模仿了生物的神经元的概念,你可以想象用一大堆的神经元通过各种刺激来对外部世界进行感知,从而建立起对外部世界的模型。 比如给你一个数据对: | x | y | | | | | -1 | -3 | | 0 | -1 | | 1 | 1 | | 2 | 3 | | 3 | 5 | | 4 | 7 ...

Tensorflow实现图像数据增强(Data Augmentation)

在我们处理有关图像的任务,比如目标检测,分类,语义分割等等问题当中,我们常常需要对训练集当中的图片进行数据增强(data augmentation),这样会让训练集的样本增多,同时让神经网络模型的泛化能力更强。在进行图片的数据增强时,我们一般会对图像进行翻转,剪裁,灰度变化,对比度变化,颜色变化等等 ...

<1···121314···39>